正在阅读: 人工智能背后的人工力量:机器学习必需数据标注
首页> 时政频道> 国内 > 正文

人工智能背后的人工力量:机器学习必需数据标注

来源:科技日报2019-09-10 09:01

调查问题加载中,请稍候。
若长时间无响应,请刷新本页面

  资料图:市民用手机体验最新产品。殷立勤 摄

  “目前我国已有庞大的数据加工队伍,仅北京就有一百多家专门从事数据标注的公司,全国从事这项工作的人大概超过千万,很多头部的互联网技术企业都有自己的数据标注公司。”

  目前人工智能落地场景不断丰富,智能化应用正改变着我们的生活。而在AI产业高速发展的背后,数据标注师这个新职业的从业人数也正在壮大。数据标注行业流行着一句话,“有多少智能,就有多少人工”。目前AI算法能学习的数据,必须通过人力逐一标注,这些人力为AI产业提供养料,构建了AI金字塔的基础。

  近日,支付宝公益基金会、阿里巴巴人工智能实验室联合中国妇女发展基金会在贵州铜仁万山区启动了“AI豆计划”,这是该计划在全国启动的第一个试点地区。作为一种 “AI+扶贫”的公益新模式,计划旨在通过AI产业释放出的大量就业机会,在贫困地区培训相关职业人才、孵化社会企业,让贫困群众实现在家门口就业脱贫。

  这些从业者不需要背井离乡,她们可以受训上岗,为AI机器学习进行数据的分类和标注工作,让机器可以快速学习和认知文字、图片、视频等内容,成为一名“AI培育师”。

  机器学习必需数据标注

  AI数据标注员被称作“人工智能背后的人工”。“数据是人工智能的血液。当下是大数据基础上的人工智能,是数据智能的深度学习时代,可以说谁掌握了数据,谁就有可能做好。”中科院自动化所研究员、视语科技创始人王金桥告诉科技日报记者。他解释,当前的人工智能也被称作数据智能,在这个发展阶段,神经网络的层数越多,神经网络越深,需要用于训练的数据量越大,“比如目前人脸识别做得好的是中青年人脸识别系统,因为年轻人坐车住酒店,采集的数据量大,小孩和老年人数据相对较少。”

  但同时,只有数据是没用的。对于深度学习来讲,数据只有加上标签才有意义,才能用于机器的学习和进化。“标注是一个必须的工作。”王金桥说。

  王金桥介绍,从数据的收集、清洗、标注到校验都离不开人工。数据标注最基本的就是画框,比如检测目标是车,标注员就需要把一张图上的所有车都标出来,画框要完全卡住车的外接矩形,框得不准确机器就可能“学坏”。再比如人的姿态识别,就包括18个关键点,经过训练的标注员才能掌握这些关键点的标注,标注完成的数据也才能符合机器学习的标准。

  不同的数据类型对标注员的要求也不一样。除了一般较为简单、可以通过培训掌握的标注,还有一些需要专业背景的标注,比如在医疗数据标注中,标注员需要做医疗图像的分割,把肿瘤区域标出来,类似工作就需要看得懂片子的医生完成。再比如地方方言或外国文字,需要的也是掌握那门语言的标注员。

  人工标注帮助AI快速落地

  随着人工智能的发展,数据的训练量非常大,数据标注公司应运而生,这些公司以网络方式运作,一个平台有产品经理和项目经理,接到一个任务就找人来做,大家通过网络群组报名后,由产品经理来培训,之后各自领取自己的任务,登录账号进行标注,检验经理校验合格后就付钱,不合格则需要重新修正。

  “目前已经形成庞大的数据加工队伍,仅北京就有一百多家专门从事数据标注的公司,全国从事这项工作的人大概超过千万,很多头部的互联网技术企业都有自己的数据标注公司。”王金桥说,“这个阶段数据对性能的贡献是最大的,数据越多越丰富、代表性越强、模型效果越好,算法的健壮性和鲁棒性就越强。目前情况是大部分AI公司都还没有实现盈利,但标注公司除外。”

  据王金桥介绍,国外也是一样,无人零售、无人驾驶等都需要大量的人力,基于用工成本的问题,除了隐私数据之外,他们会把标注工作放在第三世界国家完成,马来西亚、泰国、印度等国家都有数据标注分公司。

  常见的报道中,数据标注总被描述为“血汗工厂”,这项工作和从业者被描述得廉价低质,人被重复性机械式的劳动异化。在王金桥的解释下,这一刻板印象也被逐渐打破。

  他直言,目前这种大量的人工标注是有价值的,因为理论上解决问题很难,但有了大量数据,设计深度学习网络,可以在特定场景特定应用中用数据训练神经网络,从而在很多场景中可以让AI快速落地占领市场、驱动行业应用、促进行业升级和迭代。

  “比如在手机玻璃缺陷、高铁轨道的缺陷、电网高压线绝缘子损坏等检测工作中,无人机拍摄画面后,由人来检测,随着数据量增加,机器得到的训练越来越充分,机器慢慢可以自动检测,类似工作可以很大程度上由机器代劳。”王金桥说,目前人工智能的智能性虽然比较弱,但在各行各业都会带来改变,这是AI推动产业革命的机会。

  数据标注需求持续增加

  “现在科研界研究的都是无监督、小样本的深度学习,通过三维合成数据,用虚实结合的数据生成方式来训练机器,尽量减少数据的采集和标注,让机器自主学习、自主进化。”王金桥说,但由于缺乏理论上的突破性技术,所以虽然技术增长速度很快,但整体水平还比较低,目前的深度学习还是依赖基于统计意义的大数据模型,这要求数据足够多、足够均衡、基本满足真实世界的分布。

  因此,标注这项工作会一直存在。

  但王金桥也表示,随着无监督、小样本深度学习的进步,重复性标注的工作量会越来越少。“机器的识别和人一样,人经过几千年的进化,用语言用文字记录和存储几千年的文明,所以看到桌子就知道是桌子,看到灵芝知道是灵芝。机器也需要不断理解更多的内容,有数据标签,它才能学习,才会有智能。数据的加工是一个长期存在的过程,由画框到基础词汇,慢慢形成自己的知识图谱,才能自我推理和思考。”

  目前的数据标注公司基本采取“计件付费”的模式,标注员的待遇与任务量和难度直接相关,熟练工一天能标几千张图片,月收入最高过万。这项工作也有一定专业性,受过培训才知道怎么标、标得清楚,人也要认真细心。“每天产生的数据量太大了,数据量持续增加,对标注的需求也持续增加。”王金桥说。

  据阿里巴巴集团副总裁、阿里巴巴人工智能实验室总经理陈丽娟介绍,贵州万山仅仅是一个起点,未来项目的整体规划将聚焦贫困地区,寻找更多更适合发展“AI标注”产业的地区来落地。同时,也希望更多的人工智能企业加入,把AI标注的订单定向输送给贫困地区,为贫困群众提供更多就业机会。陈丽娟说。

  延伸阅读

  AI数据服务发展新方向:细分化、多模态、专业化

  数据表明,当前AI发展出现了细分化、多模态以及专业化三大特征。相应的,新变化对于AI数据服务行业也形成了一定的影响与方向指引。

  当前AI已经进入技术落地阶段,应用场景涉及安防、金融、家居、交通等各大行业。而未来,在数据标注行业,从业者也将随着AI行业而一同进入细分市场追逐阶段。

  同时多模态也成为了AI技术发展的一个特征。所谓多模态,即是对多维时间、空间、环境数据的感知与融合。如当前的自动驾驶需要雷达+摄像头才能跑的更稳,安防行业需要摄像头+雷达红外RFID才能感知得更精准、更真实。而在数据服务产业,企业也需要适应AI技术发展的多模态特征,掌握对多维传感器融合的数据采集与标注。

  此外,尽管当前AI技术已经进入落地阶段,但是头部AI企业的落地场景相较传统行业的AI落地场景,在技术上会更有前沿性。而这些企业的一些先进技术研究也很有可能成为未来数据服务行业的一大发展方向,所以数据服务企业也需要在这些前沿场景中不断探索,才能在行业竞争中获得长期发展。

[ 责编:张璋 ]
阅读剩余全文(

相关阅读

您此时的心情

新闻表情排行 /
  • 开心
     
    0
  • 难过
     
    0
  • 点赞
     
    0
  • 飘过
     
    0

视觉焦点

  • 探访武汉军运会军运村

  • 194件海外回归的德化青花瓷在福建省德化博物馆展出

独家策划

推荐阅读
10月13日,游人在云南省曲靖麒麟爱情小镇休闲观光。金秋时节,云南省曲靖市麒麟爱情小镇千亩花海景色迷人,吸引游人前来休闲观光。金秋时节,云南省曲靖市麒麟爱情小镇千亩花海景色迷人,吸引游人前来休闲观光。
2019-10-14 09:56
10月13日,游客在江西南昌市高新区艾溪湖湿地公园内的粉黛乱子草花田游玩。 新华社记者 周华 摄  10月13日,游客在江西南昌市高新区艾溪湖湿地公园内的粉黛乱子草花田游玩。
2019-10-14 09:54
在黔桂乌英苗寨,群众在帮助贫困户吴仕足修建新木楼(9月3日无人机拍摄)。乌英苗寨位于黔桂交界的大苗山深处,共有140户600多人,其中100户属广西柳州市融水苗族自治县杆洞乡党鸠村,40户属贵州省从江县翠里瑶族壮族乡南岑村。
2019-10-14 09:53
由于金川地处偏远,在运输道路与销售思路双双没有打开的情况下,金川雪梨渐渐失去市场竞争力,一度滞销。由于金川地处偏远,在运输道路与销售思路双双没有打开的情况下,金川雪梨渐渐失去市场竞争力,一度滞销。
2019-10-14 09:53
10月13日,极地科学考察破冰船“雪龙2”号抵达深圳蛇口太子湾邮轮母港,船员和科考队员等向码头挥手致意。10月15日下午,“雪龙2”号将首航出征南极,与“雪龙”号共同执行中国第36次南极科学考察任务。
2019-10-14 09:51
位于武汉市江夏区黄家湖畔的军运村是世界军运会历史上首个集中新建的运动员村,共有精装房1958套。 新华社发(许魏巍 摄)  图为武汉军运村运动员公寓内景(10月13日摄)。
2019-10-14 09:51
10月13日,学生们在国家会议中心笔会现场进行书法创作。据介绍,此次笔会创作的艺术作品,将列入进博会后的延展内容,搭建“进博艺术长廊”,让参观市民都能领略中华文化的风采。据介绍,此次笔会创作的艺术作品,将列入进博会后的延展内容,搭建“进博艺术长廊”,让参观市民都能领略中华文化的风采。
2019-10-14 09:50
这是10月13日在日本长野新干线车辆中心附近拍摄的一条被水淹没的道路。受纵贯东日本强台风“海贝思”带来的强降雨影响,日本多地暴发洪灾,已造成33人死亡、19人失踪。新华社记者 华义 摄
2019-10-14 09:49
今年37岁的翟娟是河北省永清县别古庄镇后刘武营村人,20年来她凭着自己对核雕艺术的热爱,成长为一名优秀的核雕艺人,连续获得全国性核雕大赛奖项。多年来,翟娟悉心授徒百余名,带领他们走进核雕艺术的微观世界。
2019-10-14 09:49
这是10月13日在澳大利亚首都堪培拉联邦公园拍摄的花展现场。澳大利亚一年一度规模最大的迎春活动——堪培拉花展13日在澳首都的联邦公园落下帷幕。澳大利亚一年一度规模最大的迎春活动——堪培拉花展13日在澳首都的联邦公园落下帷幕。
2019-10-14 09:48
10月13日,在阿富汗首都喀布尔,士兵参加训练结业典礼。当日,1232名新兵在阿富汗喀布尔军事训练中心结束了为期十二周的训练,加入阿富汗国民军。当日,1232名新兵在阿富汗喀布尔军事训练中心结束了为期十二周的训练,加入阿富汗国民军。
2019-10-14 09:48
10月13日,在波兰首都华沙,波兰总理马特乌什·莫拉维茨基(右后)和家人在投票站投票。出口民调显示,波兰执政党法律与公正党获得43.6%的选票,保持议会众议院第一大党地位。出口民调显示,波兰执政党法律与公正党获得43.6%的选票,保持议会众议院第一大党地位。
2019-10-14 09:37
10月12日,丁国坤在家中为一件未成形的脱胎漆器进行“上漆”工序。 新华社记者 胡晨欢 摄  10月12日,丁国坤在家中将金属花纹图案镶嵌在一件脱胎漆器上。 新华社记者 胡晨欢 摄  10月12日,丁国坤在家中对一件未成形的脱胎漆器进行“彩绘”工序。
2019-10-14 09:37
10月13日,双胞胎大熊猫“萌宝”和“萌玉”在北京动物园的“新家”里玩耍。 新华社记者 李欣 摄  10月13日,双胞胎大熊猫“萌宝”和“萌玉”在北京动物园的新家里玩耍。 新华社记者 李欣 摄  10月13日,双胞胎大熊猫“萌宝”和“萌玉”在北京动物园的新家里玩耍。
2019-10-14 09:36
中国首艘自主建造极地科考破冰船“雪龙2”号抵达深圳
2019-10-14 09:36
12日,194件从海外回归的德化青花瓷在福建省德化博物馆展出,展品包括青花灵芝纹碗、青花灵芝纹杯、青花火龙纹盘、青花“湧利”款人物纹盘等清代德化青花瓷。
2019-10-14 09:34
位于武汉市江夏区黄家湖畔的军运村是世界军运会历史上首个集中新建的运动员村,共有精装房1958套。 新华社发(许魏巍 摄)  图为武汉军运村运动员公寓内景(10月13日摄)。
2019-10-14 09:33
当地时间10月13日中午,国家主席习近平离开加德满都启程回国。尼泊尔副总统普恩、总理奥利、联邦议会联邦院主席蒂米尔西纳、所有内阁成员、军方高级将领参加。尼泊尔副总统普恩、总理奥利、联邦议会联邦院主席蒂米尔西纳、所有内阁成员、军方高级将领参加。
2019-10-14 07:29
“中国最美丽的滩涂”福建霞浦风光美如画卷
2019-10-13 10:23
日前,山东省无棣县境内的鲁北盐场进入海盐收获季节,星罗棋布的盐池将大地装扮得缤纷如画。新华社记者 朱峥 摄  鲁北盐场工人在盐池中收获海盐(10月9日无人机拍摄)。新华社记者 朱峥 摄  鲁北盐场工人在盐池中收获海盐(10月9日无人机拍摄)。
2019-10-13 09:23
加载更多